在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
--
图3.面部对齐。左:检测到面部标志和凸包。中:凸包上的点的Delaunay三角剖分。右:通过仿射扭曲三角形进行面部对齐。 1 人脸对齐 1.1 脸部地标检测 两个脸部的几何形状非常不同,因此我们需要对源脸部进行一些扭曲以使其覆盖目标脸部,但是我们还想确保我们不会使其扭曲而无法识别。 首先使用dlib在两个图像上检测面部标志。但是,与“ 脸部变形”不同,我们不也不应使用所有点进行脸部对齐。 我们只需要如图所示的人脸外边界上的点即可。 1.2 查找凸包 在图3中,左图显示了使用dlib检测到的脸部界标为红色,点的凸包显示为蓝色。 一组点的凸包可以使用OpenCV的concealHull函数来计算。 python: # points is numpy array of points obtained # using dlib. hullIndex = cv2.convexHull(points, returnPoints = False) # hullIndex is a vector of indices of points # that form the convex hull.
c++: vector<int> hullIndex; // points is of type vector<Point2f> obtained // using dlib. convexHull(points, hullIndex, false, false); // hullIndex is a vector of indices of points // that form the convex hull.
1.3 Delaunay三角剖分 这使我们可以将脸部分成较小的部分。我以前的文章详细解释了Delaunay三角剖分,请参见此处 1.4 仿射扭曲三角形 进行面对齐的最后步骤,以考虑源脸部和目标脸部之间的对应三角形,并将源脸部三角形仿射扭曲到目标脸部上。 脸部变形的更多信息,请参见我的文章。 。 由于两个图像之间的光照和肤色差异,可以看到接缝。下一步显示如何无缝地组合两个图像。
2 无缝克隆 好的技术思想就像是魔术。优秀的魔术师结合了物理,心理学和良好的旧手技巧来达到令人难以置信的效果。 仅图像扭曲看起来就很糟糕。将其与Seamless Cloning结合使用,结果是神奇的!我写了一篇文章,解释的细节在这里。 这是OpenCV 3中的一项功能,可让您无缝地将源图像的一部分(由掩码标识)克隆到目标图像上。 python: output = cv2.seamlessClone(src, dst, mask, center, cv2.NORMAL_CLONE)
c++: seamlessClone(src, dst, mask, center, output, NORMAL_CLONE);
上面用法中的src图像如图3所示。(右图)。的DST图像是其上我们要混合源图像(即特朗普的图像)的图像。 通过使用fillConvexPoly用白色填充凸包来计算蒙版,并且中心是包含蒙版的边界框的中心。
总结: 脸部地标检测(Facial Landmark) 点 查找凸包(Convex Hull ) 面 Delaunay三角剖分(Delaunay Triangulation ) 仿射扭曲三角形(源脸部三角形仿射扭曲到目标脸部)(Affine warp triangles ) 无缝克隆(Seamless Cloning)
-- |
2023-10-27
2022-08-15
2022-08-17
2022-09-23
2022-08-13
请发表评论